复杂背景下 SAR 舰船目标检测算法的改进

来源：计算机技术与发展杂志2023年第11期北京时间：

作者：何旭鑫;吴建平;';余咏;高雪豪;韦杰

单位：1. 云南大学 信息学院,云南 昆明 650504;2. 云南省电子计算中心,云南 昆明 650223;3. 云南省高校数字媒体技术重点实验室,云南 昆明 650223

摘要：由于合成孔径雷达(SAR) 图像的特点,如岸上船舶目标密集排列,容易受到陆地影响,造成 SAR 图像近岸舰船目标检测检测率低和漏检率高的问题,提出了一种基于 YOLOv5 的改进 BiFPN 特征融合模块的目标检测算法。 针对海岸边舰船目标容易受到复杂建筑影响造成漏检的问题,在 YOLOv5 的 Backbone 中加入 CBAM 注意力机制,通过注意力机制学习舰船目标的特征,提高主干网络的特征提取能力;使用 SIoU 作为新的损失函数,重新定义预测框和真实框的关系,实现新的高精度定位;增加为四尺度特征检测,重新定义一个大尺度特征检测层,与此对应将特征融合模块中原有 PANet 替换成改进的多尺度加权双向特征金字塔( BiFPN) 网络结构,实现与检测层相对应的高效特征融合模块。 实验结果表明,该算法在公开的 HRSID 舰船数据集的 R 和 mAP 分别为 88. 2% 和 94. 3% ,比原来的 YOLOv5 算法分别提升了 2 和 2. 7 百分点,达到了在复杂环境下对小目标和密集目标检测的要求。

关键词：合成孔径雷达;目标检测;四尺度特征检测;加权双向特征金字塔;CBAM